本周，百度发布了2019年第三季度财报。总营收281亿元，净利润44亿元，远超华尔街预期。盘后股价大涨超6%。在对员工的公开信里，李彦宏特别提到了AI技术的重要性，“百度要在人工智能领域充分发挥技术优势，做智能经济时代的建设者。”“我们的百度大脑、飞桨平台将在智能经济基础设施的升级中发挥更大作用。”

而就在刚过去的11月5日，在“WAVE SUMMIT+”2019深度学习开发者秋季峰会上，百度飞桨发布和升级了21项全新内容，包括面向产业应用场景的四大端到端开发套件、融合数据和知识的预训练结合迁移学习的飞桨Master模式、端侧推理引擎Paddle Lite 2.0、EasyDL专业版、前沿技术工具组件等。以飞桨为代表的AI平台正成为企业产业升级的加速器，AI正在成为智能化的核心动力。

1、飞速发展的中国AI技术

早在63年前，人工智能（AI）的概念就已经诞生。深度学习是机器学习的子集，而机器学习是人工智能的子集。直到近些年，随着大数据和计算能力的飞速发展，机器学习和深度学习技术大幅进步，AI技术获得了飞速发展。

AI技术快速发展，经历了一个从理论概念提出、技术研发、应用落地、产业融合、赋能实体经济的全过程。一个AI项目的研发周期包含数据和多场景的支撑、AI框架/算法的选型、训练环境/推理环境的选择以及配置，最后才是进行AI训练和推理工作。是一个系统性和多样性的繁杂工程。在这个过程中，以研究机构为代表的学术界，发起理论研究，培养人才；以百度为代表的技术型公司，将理论落地，结合市场来应用，最后在工业农业等实体经济大规模应用和检验。

国内AI技术，是从2015年开始快速发展的。微软学术关于人工智能的一项研究表明，中国AI产业影响力正在增强。中国作者在最顶级的10%高引用论文中提升了 10%，于2018年达到了顶峰（26.5%），接近美国的29%，而且美国的占比在下跌。如果这一趋势持续的话，中国将在第二年（2019年）超过美国。

回顾历史，包括半导体、互联网等新技术在内，任何一项新技术的大规模普及推广和应用都是以公司力量为主导的。以百度为代表的互联网公司在国内的AI技术研发上，起着领头羊的作用。截至目前，百度基于飞桨平台，已累计服务150多万开发者，仅在定制化训练平台上就有超过6.5万企业用户，发布了16.9万个模型。飞桨具备四大领先技术：开发便捷的产业级深度学习框架、支持超大规模深度学习模型训练、多端多平台部署的高性能推理引擎以及面向产业应用，开源开放覆盖多领域的工业级模型库等。

飞桨通过开源开放，降低了企业利用和结合AI技术的门槛，加快了科技创新速度。通过和中国的工业、农业、服务业等深度融合，推动了人工智能的产业发展和人才培养，又反过来检验和促进自身平台的进一步成熟，从而整体上加强加快了各行各业智能化升级，实现了 AI能力赋能实体经济发展和社会进步。

2、实践是检验AI的核心标准

一门新的前沿技术，技术研究探索只是第一步。真正的大规模应用和普及，必须是在实际生产和商业化应用中得以检验，才能真正持续发展，而实际生产的关键则在与产业集合。

最典型的例子就是位置服务（LBS）技术的应用。早在上世纪70年代，美国政府就已经颁布911服务规范（Basic 911）。早在上个世纪70年代，美国颁布了911服务规范。电信运营商在紧急情况下，可以跟踪到呼叫911号码的电话的所在地。但这门定位技术一直停留在紧急求助等非常狭窄的应用场景里，并没有得到大规模的检验和应用，更谈不上对经济的实际帮助。这个技术一直没有大规模发展。2009年，美国以签到为特色的App应用Foursquare上线后，这种技术才迅速普及。现在已经成为我们日常生活方式重要部分的百度地图、美团外卖、滴滴打车等，就是基于这个技术最好的应用场景之一。

在互联网技术发展中，谁能真正与产业和实际应用高度结合，谁就能获得发展和市场。有了技术优势，更关键的是要落地，要走出去，要大规模的实践和检验。LBS如此，AI也是如此。AI技术从提出到现在，历经半个多世纪，之所以前期没有爆发性增长，除了计算机性能不足和数据缺失导致研究停滞外，关键元素之一，就是没有深度与产业结合。但这个局面现在正在被飞速改变。

飞桨产业级深度学习开源开放平台，基于百度多年的深度学习技术研究和业务应用，通过开源开放广泛应用于工业农业等行业，推动人工智能的技术创新、产业发展和人才培养，加快了各行各业智能化升级，促进经济发展和社会进步。将前沿技术大规模应用，这对于百度、合作伙伴、用户是三赢的局面。

精诺智能熔炼系统就是典型案例之一。精诺数据，通过与百度飞桨合作，以大数据、物联网、人工智能的方式解决熔炼难题。研发了一套钢铁熔炼生产智能解决方案。将原本要依靠经验来操作的流程，做成了3秒就能给出最优配比的模型，钢铁熔炼变成一门容易掌握的技术。

钢铁熔炼是一个十分复杂的过程，在整个生产的过程中，基于百度飞桨的预配方案、熔炼精配模块、熔炼过程，保证了成本最低化和质量最优化。经过优化，使用前和使用后原料节省高达15%。工厂的产能和效率提高一倍。产品质量也得到了保证。同时，管理人员等还通过手机APP、短信、微信小程序等方式，随时随地掌握生产信息，让工厂数据全程透明，告别暗箱操作。真正实现降本增效的最好证明。真正做到了赋能实体经济。

3、中美AI发展的差异性

数据报告公司爱思唯尔在2018年发布《人工智能：知识的创造、转移与应用》的报告，对AI技术领域进行了分析，中外巨头的人工智能和深度学习技术趋势和对比，聚焦AI在中国、欧美的发展态势：前者的AI研究偏向于应用，后者的AI研究偏向于基础理论。

欧美互联网公司，在AI技术的投入更加偏基础研究，以Google为例，它的发展轨迹，主要是人工智能基础研究与技术积累，再延伸到人工智能应用，从而优化提升自家的产品，比如谷歌全家桶系列软件，包括Android、Gmail、Google Photos、Google Assistant、Google News、Google Maps、Google Lens等等。主要的是以学术氛围为主，这点和中国的产业实践和商业化有些区别，不过目前Google等公司，也开始从学术向商业开始尝试转变了。

中国经历30多年经济的高速发展之后，目前正面临着产能过剩，产业升级的迫切局面。而AI技术应用场景需要丰富的训练模型，但同时又是碎片化和差异化的，和美国比起来，中国有了巨大的数据储备，应用场景丰富，产业结合的机会更多，同时政府引导和政策性支持力度更大，所以在细分市场中实践和落地上，中国是更具备优势的。

中国政府和公司，也在基础研究领域不断的投入和赶超。不管是FB、Google、亚马逊等对于新技术的投入，还是百度、阿里、腾讯的人工智能和深度学习的技术，只有找到更适合当下发展的道路，切实结合新技术应用的差异性，才会有更大的发展和前景。

“AI扎进了行业运用的厚实土壤。”全球著名投资人沈南鹏对中国的AI发展抱有充分信心，AI技术开辟了全新的产业，对传统行业的赋能展示出来的价值越来越明显。随着算法、大数据、芯片、5G等技术的标准化和成熟，这个领域将会诞生出引领下一代技术的伟大公司。

南七道，互联网知名评论人，关注创业与投资方法论。​